輸入無效。不支援特殊字元。
我成年後一直在半導體行業工作，擔任過從產品管理到內容行銷的多個職務，做過無數次測預、預報和展望。無論是產品需求預測，還是對新興技術趨勢的展望，我都有過成功和失敗的經歷。
最近，我重溫了自己在 7 年前寫的一篇文章，題目是《自駕車是如何運作的？》 它仍然是我為美光撰寫的文章中閱讀量最高的一篇。在這篇文章中，我探討了自駕車的未來樣貌，並預測該技術的發展速度。當時，業界充滿樂觀情緒，許多人相信完全自動駕駛指日可待。
此後，汽車產業格局發生了若干變化。電氣化已從小眾趨勢躍升為全球優先事項，隨著電池技術進步和政府法規收緊，電動汽車 (EV) 普及速度不斷加快。事實上，2024 年全球電動車銷量突破 1,700 萬輛，佔全球汽車總銷量的 20%，相較 2018 年僅數百萬輛的規模大幅躍進。汽車已演變為軟體定義平台，支持遠程更新和 AI 驅動功能——這些在 2018 年幾乎難以想像。互聯性和資料已成為駕駛體驗的核心要素。受限於安全規範、法規限制和消費者信任度，全自動駕駛的進展比預期更為謹慎。在此期間，COVID-19 疫情引發供應鏈中斷、半導體短缺和消費行為轉變，重塑了汽車的製造和銷售模式。
然而，自動駕駛仍是汽車產業的北極星。讓我們回顧 2018 年的文章，審視宏觀趨勢變化如何影響預測，並最終檢驗我的預言成敗。
「人工智慧推動自動駕駛汽車發展」
結論：正確
要實現自動駕駛，汽車需要持續感知周圍環境——首先是感知（識別和分類資訊），然後透過汽車的自動電腦控制對資訊採取行動。自駕車需要安全可靠、反應靈敏的解決方案，以便在詳細瞭解駕駛環境的基礎上瞬間做出決策。要瞭解駕駛環境，需要透過車上無數不同的感測器擷取大量數據，然後由車輛的自動駕駛電腦系統進行處理。
這一觀點在今天依然適用。AI 是自動駕駛汽車的主要驅動力，如今已前所未有地深度整合入現代汽車。對於自駕車和邊緣 AI 工作負載，處理如此龐大的資料仍是一項挑戰，但支撐自動駕駛的運算、記憶體和儲存技術已變得更加先進和強大。儲存裝置和記憶體容量的增加使車輛能夠處理更大的資料集和更複雜的演算法，從而提高 AI 系統的準確性和回應速度。這一進步使我們能夠建立更複雜的訓練模型、進行更快速的推論，並實現我們在七年前未曾設想過的全新 AI 應用。生成式 AI 和代理式 AI 的興起，以我們無法想象的方式將 AI 帶入汽車，徹底改變了車載資訊娛樂系統和 ADAS 系統。現在，駕駛員希望汽車 AI 不僅能執行簡單的指令（如「打電話回家」）；他們還希望獲得複雜的、會話式的 AI 體驗。
（按一下圖片以放大）
資訊圖表 1：自動駕駛的 5 個階段
「自動駕駛的五個階段資訊圖表」
結論：正確，但需要更新
除了品牌配色方案和美光的舊標誌之外，這張關於自動駕駛五個階段的資訊圖表在今天看來仍然是準確和有意義的（對我來說也是一種懷舊）。自動駕駛的五個階段並不是我們提出的，而是美國國家公路交通安全管理局（NHTSA）制定的行業標準。這張視覺圖表亟需更新的重點是「最新」定位。目前，許多新款車型已進入「部分自動駕駛」階段，一些先進的 EV 能夠實現第四階段的自動駕駛。第五階段技術已經存在，並透過試驗方案在少數城市得到應用，但一般僅限於氣候溫暖且可預測的地區。要真正達到第五階段，車輛必須能夠應對可能遇到的任何情況和氣候條件。那麼，為什麼有些新款車型不能實現完全自動駕駛？ 障礙有很多，包括政府監管、安全顧慮和總體擁有成本。也許在未來七年內，我們能夠達到第五階段。隨著美光在記憶體頻寬和集中式汽車儲存裝置架構方面不斷取得突破性創新，實現這一目標指日可待。記憶體頻寬和集中式架構可提高效能、可靠性和安全性，而所有這些因素對於實現第五階段自動駕駛至關重要。
（按一下圖片以放大）
資訊圖表 2：資料是自駕車的燃料。
「記憶體是自動駕駛的無名英雄」］，「高速記憶體是自動駕駛的重要組成部分」
結論：正確且始終如此
記憶體和儲存裝置技術對自動駕駛汽車至關重要，無論其自主程度如何。為了在高速行駛時快速做出決策，汽車 AI 必須處理海量資料。對於自動駕駛，過長的延遲和延時是不可接受的。雖然我們開車時可能遇到各種狀況，但人類很擅長做出快速決策。問題是我們很容易分心。但電腦不會。攝像頭、光學雷達和感測器時刻保持警惕。高效能車載運算平台不會在駕駛過程中「打瞌睡」，只要能夠從記憶體和汽車儲存裝置獲得所需的資料，它們將持續進行運算並做出決策以確保安全 高頻寬記憶體和集中式儲存解決方案是應對這些資料挑戰並保持系統平穩、高效和安全運行的關鍵。
記憶體對於複雜的 AI 訓練模型和實現快速推論回應同樣至關重要。美光的創新技術為嚴苛的 AI 任務提供了可靠的基礎。透過製造可靠、高效的記憶體和儲存裝置，美光在將 AI 整合入汽車、提高自動駕駛能力方面發揮關鍵作用。
「GDDR6 對於未來的自動駕駛至關重要」
結論：錯誤
當時，美光的 GDDR5X 記憶體已被應用於汽車解決方案。主要用於遊戲領域的 GDDR5X 和 GDDR6 也因其高速能力而被整合入汽車解決方案和網絡應用。如今，繪圖和 AI 應用正在使用最新的繪圖記憶體標準 GDDR7。這一趨勢有望在汽車解決方案中持續下去，特別是在螢幕越來越大、解析度越來越高的車載資訊娛樂系統中。Tesla Model 3 和 Cybertruck 等汽車甚至提供名為 Telsa Arcade 的車載遊戲功能，允許使用踏板和方向盤在車載資訊娛樂系統上玩電玩遊戲（出於安全考慮，不能在駕駛時玩）。那麼，我們錯在哪裡？ 對更高頻寬和更多繪圖記憶體的需求將不斷增長，這種預測似乎合乎邏輯。
對更多記憶體和更高頻寬的需求仍然存在，並正在隨著汽車自主程度的提升而增加，但今天所需的記憶體類型已經轉變為低功耗雙倍資料速率（LPDDR）記憶體。最初為滿足手機的低功耗需求而設計的 LPDDR，特別是 LPDDR5X，已成為現代汽車的最佳選擇。
手機和汽車有許多相似之處：它們不依賴電源插座，使用電池供電，且內部佈滿感測器和運算單元，這些元件持續收集和監控資料。AI 互動已成為使用者期望獲得的體驗。美光不斷創新低功耗記憶體解決方案，提高效能，降低功耗，以滿足這些期望。
美光最近推出的支援直接連結 ECC 協議(DLEP)的 LPDDR5X DRAM 就是一個很好的例子。這一針對 LPDDR5X 最佳化的錯誤更正碼(ECC)方案消除了所有系統內聯 ECC，有助於將頻寬提高 15% 至 25%1。DLEP 不僅提升了效能，還透過減少故障時間（FIT）幫助 LPDDR5X 記憶體系統達到 ISO 26262 ASIL-D 硬體指標。此外，從每位元皮焦 (pJ/b) 角度來看，這款新產品的功耗降低了約 10%，額外可定址記憶體空間至少增加了 6%2。以美光通過 ISO 26262 ASIL-D 系統認證的 LPDDR5X DRAM 為基礎，現在可以輕鬆滿足關鍵汽車功能安全(FuSa)要求條件。簡而言之，DLEP 增加了頻寬，降低了功耗，是自動駕駛工作負載的雙贏解決方案。
那麼，未來的汽車將使用何種記憶體？ LPDDR 能否延續未來七年？抑或新型記憶體架構將進入車載領域？ 後者更可能成為現實，尤其當 AI 日益普及並成為全自動駕駛的必要條件時——系統頻寬和功耗效率要求將持續推動記憶體技術革新。最後，我給出一個預測：新型記憶體架構將融入自駕車，但不會耗時七年。
結論
我不會開始為預測結果打分（我不確定自己的自尊心是否能承受），但回顧這些預測有助於審視我們對未來技術和趨勢的看法。我的第一大收穫是，過去七年，AI 在汽車中的關注度和價值呈指數級增長，而高效能記憶體和儲存解決方案對於 AI 驅動汽車的重要性也是如此。具體的記憶體和儲存解決方案可能會變化、演變和改進，但它們所解決的難題始終不變。資料是所有 AI 的核心，而資料就存在於美光記憶體和儲存解決方案中。我們的技術不僅用於儲存資料，還用於加速資料向可操作智慧的轉化。
1 根據典型的內聯系統 ECC 方案與 DLEP 進行比較
2 根據用於儲存系統 ECC 奇偶校驗的恢復記憶體容量的「額外可定址記憶體空間」
